线性回归因阵列错误而无法工作

Question

我试着处理我的作业。任务是接受这些数据并对其执行线性回归。

代码被发布为这里。

我对用Python和数据科学编程非常陌生。所以我试着像翻译所建议的那样进行转换，但没有成功。我的第一个错误是有一个2d数组，但是给出了一个一维数组。然后，我把纯数组放到一个空数组中，这是StackOverflow的回答，错误是给出了一个标量数组，但是给出了一个2d数组。

import pandas as pd
from sklearn.preprocessing import StandardScaler

#Import
data = pd.read_csv('uscrime.txt', sep="\t")
crime = pd.concat([data], axis = 1)
print(crime)

from sklearn.linear_model import LinearRegression
regression = LinearRegression()
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(crime.get("M"), crime.get("Crime"), test_size=0.2, random_state=0)

X_train_new = []
X_train_new.append(X_train.values)

y_train_new = []
y_train_new.append(y_train.values)

regression.fit(X_train_new, y_train_new)

Answer 1

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split


data = pd.read_csv("http://www.statsci.org/data/general/uscrime.txt", sep="\t")
x = data.loc[:, data.columns != 'Crime'].to_numpy() 
y = np.squeeze(data.loc[:,'Crime'].to_numpy())

regression = LinearRegression()

regression.fit(x, y)

科基特学习期望的是numpy数组，而不是熊猫的数据。您需要从一个转换到顶部的另一个，您需要确保y的数组只有一个维度，这是我通过np.squeeze实现的。额外好处:请看上面你如何从网站上直接加载csv。